弄google 热榜,重复问题实在是太严重了。。。
比如:http://www.google.cn/rebang/clip?bid=12000000&length=8&num=15
写了一段代码,用于去重:
'''
输入字符串数组,return 去重后的数组
implement in 1 hour..
'''
def duplicate_detection(list):
dict = []
for str in list:
for char in str:
if char not in dict:
dict.append(char)
def exist(str ,char):
if str.find(char) != -1:
return 1
return 0
vec_cache = {}
'''把str转换为向量'''
def str2vec(str):
if str not in vec_cache:
vec_cache[str] = [exist(str, char) for char in dict]
#print str, '->', vec_cache[str]
return vec_cache[str]
def cos(str1, str2):
v1 = str2vec(str1)
v2 = str2vec(str2)
rst = 0
for i in range(0, len(v1)):
rst += v1[i] * v2[i]
return rst#相同字符的个数
threshold = 3
rst = []
for str in list :
if all(cos(str,tmp)< threshold for tmp in rst):
rst.append(str)
return rst
def main():
print duplicate_detection([
'abc',
'abcd',
'def'
])
list = u'''
邓丽欣6分钟视频
邓丽欣视频下载
邓丽欣6分钟
邓丽欣六分钟
都市猎人
林秀琴 失业
林秀琴失业
邓丽欣图片
邓丽欣
邓丽欣下载
邓丽欣 下载
一后三王
'''.split('\n')
for rst in duplicate_detection(list):
print rst
if __name__ == "__main__":
main()
输出:
邓丽欣6分钟视频
都市猎人
林秀琴 失业
一后三王
效果不错噢
google 为啥自己不做去重呢。。。。。
分享到:
相关推荐
代码常用的VBA短句带注释.doc
中文代码输入法 C++中文输入法 自由中文输入法 中文首拼代码输入法 同时支持五笔拼音混输 支中文短句 多行短句输入
228句最常用英文口语短句 生活工作中回用到的英语口语短句
一年级上册短句词语PPT学习教案.pptx
西班牙语好,西班牙语妙,西班牙呱呱叫。文件详细描述了常用西班牙语短句的用法。
《外国人嘴边的短句精选》,高清PDF,适合英语小白,练口语的绝佳资料。
999英语常用短句,对英语基础学习有很大帮助
短句独立成段作文训练.doc
看幽默漫画学日语短句(01-30)
常用的VBA短句(带注释) [A65536].End(xlUp).Row 'A列末行向上第一个有值的行数 [A1].End(xlDown).Row 'A列首行向下第一个有值之行数 [IV1].End(xlToLeft).Column '第一行末列向左第一列有数值之列数。 [A1]....
考试加油鼓励祝福短句
【木小禾素材】100句人生格言短句
生日祝福语短句唯美闺蜜 闺蜜生日祝福语窝心的话短句简单.doc
~~~~~日语流行口语极短句888个~~~~~~~~~~~~
个性签名励志经典短句_经典签名.doc
利用最大熵模型和BP神经网络对《史记》古文与现代文译文的平行语料进行短句对齐研究。最大熵模型将短句长度、短句对齐模式和共现汉字特征相结合来对平行语料进行短句对齐;BP神经网络则把短句长度、短句位置和共现...
吐血上传 日语口语短句.pdf 吐血上传 日语口语短句.pdf 吐血上传 日语口语短句.pdf
五十封情书短句情侣表白的情书短句.pdf
一句很酷很洒脱的八字说说短句八字说说短句高冷酷句-3页.pdf